流固耦合数据交换的插值精度影响因素研究

提出了一种投影-形函数插值的新方法,用发展了三维线性插值方法。又包括使用优化插值和常体积转化等6种插值方法,从表征多种不同网格质量和待插值函数值情况的角度,进行了插值精度验证的应用研究,探索了网格质量和待插值函数值对插值精度的影响程度。研究结果表明,投影-形函数插值方法的效果很好;流/固的网格质量及其匹配状况在很多情况下对插值精度的影响要远大于插值方法本身。     

混合重叠网格插值方法的改进及应用

混合重叠网格间合理插值是保证流场计算正确的基础之一。本文针对重叠区网格尺寸匹配度较差时插值误差较大问题,发展了一种新型混合重叠网格插值方法,通过使用二阶精度插值、按单元尺度区分和扩充模板,改善了插值区网格尺寸匹配度较差时的插值精度。本文方法适用于任意单元类型的混合网格重叠,对各类单元处理透明,实现简单。计算结果表明,采用本文方法在网格重叠区流场变量传递正确有效,插值区网格尺寸匹配度较差时,相比原始方法,等值线过渡更为光滑,变量经过插值区耗散更小,计算与试验值符合更好。     

打磨机操作臂的轨迹规划与仿真

提出了笛卡尔空间大步距插值与关节空间改进的三次样条小步距插值相结合的方法,对打磨机进行了轨迹规划。利用关节空间改进的三次样条插值,消除了启动和停止时的加速度突变。并且通过SimMechanics工具箱建立模型,验证了轨迹规划方法的正确性和有效性,为操作臂的伺服控制提供理论基础。     

基于线性样条和CNN-LSTM的北斗卫星缺失数据处理方法

针对北斗某星辐射剂量探测数据缺失问题,提出了一种基于线性样条和CNN-LSTM神经网络模型的处理方法.在对数据特性分析的基础上,将原始数据分解为线性趋势项和季节波动项.对于线性趋势项,采用基于线性样条的缺失值处理方法;对于季节波动项,根据其时空变化特性,设计CNN和LSTM组合神经网络结构,完成季节波动项的缺失值处理....     

网格之间流场信息传递的高精度方法和验证

理论分析了插值方法引入误差的原因,提出一种利用时间推进方法和移动网格技术实现网格之间流场信息传递的思想,并构造计算方法。在介绍新的信息传递算法原理的基础上,根据三维情况下传递过程需要满足的时间推进步长稳定性条件,推导出最小推进步数的要求。最后,通过对激波诱导物体运动的非定常流动模拟,比较了信息传递算法和线性插值、加权最小二乘插值方法,计算结果表明,与插值方法相比,信息传递过程没有引入误差,能有效抑制非物理振荡,保持流场计算精度。     

高分辨率多径时延测量算法

提出一种基于最小二乘准则的高分辨率多径信号时延测量方法。对参考信号作三阶样条插值获得每条多径信号最小二乘意义的最优估计,用每条多径信号的测量值重构接收信号,通过反复迭代使重构信号是接收信号最小二乘意义的最优估计,实现多径信号的时延测量。仿真结果表明：新算法在低信噪比、窄带信号条件下仍能获得较高的时延测量精度,性能优于MUSIC类时差测量算法。     

基于第二代小波的序列图像超分辨率复原算法研究

介绍了第二代小波(SGWs)的基本原理和特点,在此基础上提出了低分辨率采样图像高分辨率 (HR)重建算法。它不但具有结构简单,逆变换容易,可扩展性好的优点,并且克服了第一代 小波(FGWs) 的不均匀采样和定义在有限区间上的难题,指出了小波变换时数据不规则性的 处理方法,并利用硬／软阈值对小波系数降噪,使得重构后的图像具有最佳的PSNR和最低的 重构误差。实验和仿真结果表明,与传统方法相比,该算法在提高了图像的分辨率同时PSNR 最多能提高3 dB左右。
     

基于B样条小波有限元激光陀螺抖轮的分析

建立了激光陀螺抖轮的三维有限元模型,对其振动特性进行了模态分析,建立了整个 模型B样条小波有限元模型;研究了一类新的有限元空间,它以B样条小波函数作为有限等参 元的形状函数;建立了模型的B样条小波有限元序列,利用B样条小波函数的变尺度特性在不 改变网格的剖分下提高分辨率,因此在处理局部应力集中,曲率分布突变边界等应用中具有 一定的优势,所以它的结果更接近于实际。最后对系统模型进行了仿真,给出了各个阶次 模态值,通过与传统有限元比较发现小波有限元具有收敛性好、求解迅速和网格划分灵活
等优点,这对于激光陀螺抖轮的优化设计具有重要参考价值。
     

卫星多径信道下SOFDM插值估计算法的对比分析

在卫星多径衰落信道环境中传输正交频分复用信号时,工程上可以考虑采用以插值运算为核心的信道估计方法对接收信号进行信道估计。文章首先给出并研究了线性插值、三次样条插值和拉格朗日函数插值这三种插值估计算法的基本原理,然后对各种算法的计算复杂度、插值估计的均方误差以及系统的误比特率这三项性能指标进行了对比分析,最后通过综合评估总结出了＂在慢多径衰落信道环境下宜采用线性插值估计算法＂和＂在快多径衰落信道环境下宜采用三次样条插值估计算法或拉格朗日函数插值估计算法＂的结论。     

基于函数型数据的广义线性回归模型

函数型数据的回归分析研究主要集中在函数型线性模型。不要求因变量为连续型随机变量,可以为离散型或属性数据(对应于泊松或Logistic回归),对同时含有数值型多元变量和函数型变量的广义线性模型的估计问题进行分析,采用非参数方法得到了参数部分和非参数部分的估计量,并给出了一种重加权算法进行参数求解,解决了含数值型和函数型混合数据类型自变量的回归问题,同时扩展了函数型线性模型的应用范围。估计过程中,分别采用了函数型主成分和B样条基函数,并给出了基函数个数选择的准则。数值模拟结果表明,所提出方法具有良好的可行性与正确性。